1. 分子对接概述：基本原理、应用场景与常用软件

做计算化学这么多年，我始终觉得分子对接是药物设计里最「接地气」的一项技术。它不像量子化学那样动不动就几十个核跑几天，也不像分子动力学模拟动不动就上微秒级轨迹。对接的目标很明确——给你一个靶点蛋白和一个小分子配体，告诉你能不能结合，结合得有多牢。

说白了，分子对接就是模拟钥匙开锁的过程。只不过这把钥匙（配体）和锁（受体）都是柔性的，位置、角度、构象都会变。

1.1 基本原理：受体-配体复合物的形成背后

我刚入行时觉得对接挺玄乎的，觉得不就是把分子怼进去算个能量吗？其实没那么简单。一个完整的对接过程，核心就两件事：采样和打分。

采样，就是在蛋白质的活性口袋附近，穷举配体的所有可能的取向和构象。你想想看，一个可旋转键多于10个的分子，自由度已经大得吓人了。采样算法的目的，就是在这片巨大的构象空间里，找到那把能「对上暗号」的姿势。

打分呢，就是给每种姿势算一个结合自由能。结合得越强，打分越负。但注意，这个分数可不一定准。我在项目中遇到过好几次打分结果很漂亮，对接姿势看着也合理，结果一测活性，完全不符。这里的坑我后面会讲。

目前主流的采样算法大概分三类：

• 系统搜索法：把空间分割成网格，遍历所有可能。最早期的DOCK就是这路子。优点是全，缺点是慢得离谱。
• 随机搜索法：像模拟退火、遗传算法这类。AutoDock Vina用的是迭代局部搜索，我个人习惯说它像「先跳远再微调」。
• 确定性搜索法：基于分子动力学或能量最小化。对起始结构很敏感，容易掉进局部最优。

打分函数也有三大流派：

类型	代表	优点	缺点
基于力场	AMBER、CHARMM	物理意义清晰	溶剂化效应难处理
基于经验	AutoDock Vina、Glide	速度快、拟合实验数据	外推能力差
基于知识	DrugScore、ITScore	利用了PDB统计规律	依赖数据库质量

嗯，这里要注意：现在机器学习打分函数越来越火，但其实大多还是在上述框架下做修正。别把ML当成万能药。

1.2 应用场景：能从对接中得到什么？

很多同学觉得对接只能做虚拟筛选，其实能做的事情挺多的。我按项目经验排了个序：

1. 虚拟筛选：从百万级化合物库中挑出候选分子。一个中等规模的对接库，跑到亿级也不是新鲜事。
2. 结合模式预测：已知活性分子，想知道它到底是怎么嵌在口袋里的。比如做SAR（构效关系）分析时，对接姿势会直接影响你的优化方向。
3. 反向对接：拿一个已知药物，去搜它可能作用的靶点。这叫drug repurposing（老药新用），疫情期间很多人做过这个。
4. 点突变影响评估：比如某个氨基酸突变导致耐药性，对接能帮你解释为什么药效变差了。
5. 参数优化前的预处理：这一点是我自己特别强调的。对接参数不好，后面所有特征构建都是白搭。我们这个课程会花大量篇幅讲这个。

为什么会这样？因为很多人在对接阶段图省事，用了默认参数就跑了。结果特征全是噪音，再去跑图神经网络、随机森林，效果怎么可能好？

1.3 常用软件：各有什么特色？

我用过的对接软件不下十种，下面这些是目前社区里最常用、生命力也最强的。我个人建议初学者至少掌握两种：一个免费的（比如AutoDock Vina），一个商业的（比如Glide或GOLD）。

软件	开源/免费	主要特点	我个人的使用感受
AutoDock Vina	开源免费	速度快，迭代局部搜索，并行化好	做大规模虚拟筛选的首选
AutoDock4	开源免费	支持柔性侧链，打分函数老牌	适合做精细对接，但慢
Glide (Schrödinger)	商业	SP/XP/HTVS三级精度，打分函数经典	精度最高的商业软件之一
GOLD	商业	遗传算法，支持柔性对接	做药物设计项目时经常用
DOCK6	开源免费	基于网格的匹配算法	适合处理带金属离子的环境
RosettaLigand	开源免费	基于蒙特卡洛与能量最小化	精度很高，但计算资源需求大
LeDock	免费	速度极快，适合超大规模筛选	我曾在学术界用过，部署友好

我建议你如果做产业级项目，至少备一个商业软件。为什么？因为商业软件的默认参数往往经过了大量实验验证，你至少可以用它来「校准」你的开源流程。我曾经在一个项目中，用Vina跑出来的分数排名跟Glide完全反着来，后来发现是封装脚本里少写了一个加氢步骤——嗯，那次教训很深。

1.4 你需要关注的关键参数

做对接光会点运行按钮是不够的。我在之前的教程里反复强调一个理念：参数没调好，对接等于白做。下面这几个参数是我在任何项目中都会优先检查的：

• 盒子（Box）位置与大小：太大则引入噪声，太小则漏掉真实结合位点。我通常会把设好的盒子导出成PDB来目视验证。
• 配体柔性处理：可旋转键的设定直接影响搜索维度。在Vina里可以用--flex时加上侧链柔性，但计算时间翻倍。
• 构象数目：并不是越多越好。一般10～20个构象足够覆盖低能态。我曾见过有人设100个，跑了一周，结果前20个构象基本一样。
• 打分阈值与排名策略：你是按第一构象排序，还是按Boltzmann加权平均？做法不同结果可能天差地别。

1.5 本课程的核心视角：为什么参数优化与特征构建要协同？

在我做机器学习驱动分子设计时发现一个瓶颈：要么是对接参数不够鲁棒导致特征噪声大，要么是特征工程过于粗糙导致打分函数学不到本质。所以这套课程的主线是：把对接参数的敏感度分析和特征构建的降噪能力结合在一起。

举个例子，比如你发现同一个配体，打随机数种子跑五次，结果排名能差20%。这时候你该做两件事：一是查对接参数的稳定性，二是看你的特征表征是否能容忍这种波动。后面我们会用实际数据来示范。

下面这张图是我们这套课程的顶层知识框架。你会发现，对接参数优化和特征构建不是两个孤立的过程，而是一个迭代的循环。

好了，这一章先到这里。下一块我们会具体讲：怎么获取和处理高质量的受体结构。这个坑更多，我们到时候慢慢聊。